pandas qcut 和cut 详解

在机器学习中，连续变量的离散化过程，一般用pandas的 qcut或者cut函数来进行分箱。

qcut和cut的区别

关于这两个函数的联系和区别，网上有各种说法，典型的有以下几种：

• qcut用于指定箱子个数，cut用于指定分箱边界。
• qcut用于等频分箱，cut用于等距分箱。
• qcut用于值比较多的情况，cut用于值比较少。

这些说法都是不准确或者不对的，归根结底来说，qcut和cut的区别，是分箱思路的不同。也就是分箱时，你关注的是箱子的容量(即箱子中样本的多少)，还是关注箱子的尺寸(即边界值，以及边界值之间的距离）。

如果关注的是箱子的容量，比如希望等频分箱，或者第一个箱子装50%，剩下的平分，那么就用qcut。
如果关注的是箱子的尺寸，比如0-100的装在一个箱子里面，100-200的装另外一个，或者说等距分箱，那么就用cut。

具体解释下qcut和cut的各个参数以及返回值的含义。

qcut 基于分位数的离散化方法
不仅可以等频分箱，而且可以指定每个箱子的分位数。

out, bins = pandas.qcut(x, q, labels=None, retbins=False, precision=3, duplicates=‘raise’)

参数名	取值	说明
x	1d ndarray